3 种脱皮方式对白胡椒品质的影响

以胡椒鲜果为原料,分别采用机械、静水浸泡、换水浸泡3 种方式脱皮,探究不同脱皮方式对白胡椒白度值、黑果率、碎果率、堆积密度、水分质量分数、胡椒碱含量、胡椒精油含量等理化指标的影响,利用气相色谱-飞行时间质谱（gas chromatography-time of flight-mass spectrometer,GC-TOF-MS）定性定量分析测定胡椒精油的成分及含量,采用加权分析法进一步评价3 种脱皮方式所得白胡椒品质。结果表明：机械脱皮与换水浸泡脱皮生产的白胡椒白度值无显著差异,但高于静水浸泡脱皮法生产的白胡椒。机械脱皮法生产的白胡椒黑果率、胡椒碱含量低于静水、换水浸泡脱皮法生产的白胡椒,但精油含量、碎果率、堆积密度高于后两者。从机械、静水浸泡、换水浸泡脱皮生产的白胡椒精油中共鉴定出33 种化合物,其中21 种为3 种白胡椒精油共有,质量浓度较高的共有化合物有3-蒈烯（41.96、37.77、39.16 mg/mL）、β-石竹烯（36.43、41.57、41.02 mg/mL）、柠檬烯（29.38、23.38、39.38 mg/mL）等。电子鼻分析结果表明3 种白胡椒风味差异显著。感官评价证实机械脱皮法生产的白胡椒香味更浓,无异臭味。经加权分析,机械脱皮法生产的白胡椒加权分高于静水、换水浸泡脱皮法生产的白胡椒,说明机械脱皮法生产的白胡椒综合品质较好,适宜大规模生产。实验结果为胡椒品质评价及胡椒工业化生产提供参考。     

4 种胡椒精油风味特征分析

研究以黑胡椒、白胡椒、青胡椒和胡椒鲜果为原料提取的精油及精油风味特征。采用水蒸气蒸馏法提取精油,比较不同胡椒的精油提取得率,通过气相色谱-质谱法、电子鼻及定量描述性感官分析,对不同胡椒精油风味特征进行分析。结果表明,黑胡椒、白胡椒、青胡椒和胡椒鲜果的精油提取得率分别为1.718、1.867、1.487 mL/100 g和3.229 mL/100 g,胡椒鲜果的精油提取得率显著高于白胡椒、黑胡椒和青胡椒。从4 种胡椒精油中共鉴定出48 种物质,主要成分均为β-石竹烯、3-蒈烯、D-柠檬烯、β-蒎烯、δ-榄香烯、β-月桂烯。电子鼻数据证实,判别因子分析比主成分分析更易区分不同胡椒精油。感官评价显示胡椒鲜果精油的胡椒香比其他3 种精油明显,接受程度更高。偏最小二乘回归分析结果表明,芳香、草本、胡椒香属性与(＋)-α-蒎烯成分呈正相关。实验结果为胡椒精油产品开发及升级提供参考。     

不同方法提取草果油树脂及其成分分析

以熏干草果(XGCG)为原料,分别采用热回流法中不同的提取温度(RA、RB、RC)、超声波法(C)、微波法(W)、超声波-微波法(CW)辅助提取法提取草果油树脂,并利用气相色谱-飞行时间质谱仪(GC-TOF-MS)定性和定量分析测定草果油树脂的成分及含量。结果表明,不同提取方法所得油树脂得率及1,8-桉叶油醇含量有所不同。XGCG油树脂的得率大小依次是:CWCW>RB>RA>W>C。XGCG油树脂的成分在共鉴定出100种芳香族化合物。RA、RB、RC、C、W、CW提取的油树脂分别鉴定出58、50、47、56、54、55种,不同提取方法的XGCG油树脂化合物总体相对含量分别为88.28%、81.77%、87.45%、73.71%、55.65%、63.06%,其中,1,8-桉叶油醇、香茅醇、2-甲基-3-苯基丙醛、橙花醇乙酸酯的含量比例在不同的提取方法中也不同。所以,在草果油树脂不同的提取方法中,RA法提取草果油树脂的得率为3.93%,种类和总含量分别为58种和88.28%。虽然油树脂得率不是最高,但挥发性成分的种类和总含量最高,说明RA法更适合香味物质的提取。这也为开发草果附加值产品及深加工产业升级提供了理论基础。     

纳米铁酸钴的制备及其在锂氧电池中的应用

本文使用水热法制备纳米铁酸钴CoFe_2O_4材料,将其在不同温度(350℃、450℃、550℃、650℃、750℃)下焙烧,使用扫描电镜(SEM)、X射线衍射仪(XRD)、傅里叶红外光谱仪(FT-IR)与氮气吸附仪(BET)对CoFe_2O_4结构进行表征;利用恒电流充放电法对不同温度下焙烧的CoFe_2O_4作为锂空气电池氧气电极催化剂的性能进行检测。结果表明,水热法制备的CoFe_2O_4属于尖晶石型结构。当电压范围为2.3V~4.5V,电流密度为0.02mA·cm-2,650℃焙烧的CoFe_2O_4催化剂与纯科琴碳混合,作为锂空气电池氧气电极,其表现最佳。首次放电容量为2943mAh/g(电极),过电位为0.95V。与纯科琴碳相比,首次放电容量提高了约6.7倍,过电位降低了0.37V。     

基于K近邻隶属度的聚类算法研究

经典模糊C均值聚类算法（FCM）基于欧氏距离,存在不同规模类簇不能正确聚类问题,针对此问题提出一种基于[K]近邻隶属度的模糊C均值聚类算法（KNN_FCM）。讨论了基于[K]近邻隶属度的粗糙C均值聚类算法（KNN_RCM）和粗糙模糊C均值聚类算法（KNN_RFCM）,此方法避免了传统粗糙C均值聚类算法（RCM）和粗糙模糊C均值聚类算法（RFCM）中阈值选择问题。将KNN_FCM、KNN_RCM、KNN_RFCM分别与FCM、RFM、RFCM在UCI数据集上进行仿真比较,结果表明新方法是可行、有效的。